Page 108 - 2025年第56卷第2期

表 ５ 不同置信度下区间预测的 ＰＩＣＰ、ＰＩＡＷ值
北碚站 茨坝站 东津沱站 谈家庄站 亭子口站
置信水平 α ＰＩＣＰ ＰＩＡＷ ＰＩＣＰ ＰＩＡＷ ＰＩＣＰ ＰＩＡＷ ＰＩＣＰ ＰＩＡＷ ＰＩＣＰ ＰＩＡＷ?
３
３
?％ ?（ｍ ?ｓ） ?％ ?（ｍ ?ｓ） ?％ ?（ｍ ?ｓ） ?％ ?（ｍ ?ｓ） ?％ （ｍ ?ｓ）
３
３
３
８５％ ９２．９０ ５７．１１ ９３．００ ３５．７７ ６９．１７ ５８．８５ ８８．２４ ７３．６１ ６８．８５ ６４．４２
９０％ ９４．５９ ６９．７１ ９４．５９ ６９．７１ ９４．５９ ６９．７１ ９４．５９ ６９．７１ ９４．５９ ６９．７１
９５％ ８８．１１ ７７．６０ ８６．７１ ７１．２０ ６６．９４ ７７．９４ ８７．８８ ８９．７６ ６７．４３ ７７．６６
金溪站 凤州站 阆中站 武胜站
置信水平 α ＰＩＡＷ? ＰＩＡＷ ＰＩＡＷ ＰＩＡＷ
ＰＩＣＰ ＰＩＣＰ ＰＩＣＰ ＰＩＣＰ
３
３
３
３
?％ （ｍ ?ｓ） ?％ ?（ｍ ?ｓ） ?％ ?（ｍ ?ｓ） ?％ ?（ｍ ?ｓ）
８５％ ８６．７６ ７２．９４ ７０．９５ ６２．７５ ８５．１７ ７８．９２ ８５．４８ ７２．０２
９０％ ９４．５９ ６９．７１ ９４．５９ ６９．７１ ９４．５９ ６９．７１ ９４．５９ ６９．７１
９５％ ８７．７５ ９０．５０ ７３．３３ ７１．０４ ８８．０９ ９５．９５ ７３．１９ ６９．４６
３．４ 讨论
３．４．１ 提前期预测 径流的提前期预报有助于相关部门制定防洪和水资源管理的预警和对策，实现水
资源的科学配置和有效利用 ［３１］ 。径流是水资源的重要组成部分，提前进行多期预报有利于水资源管理
部门有计划地调度和利用水资源，保障人民群众的用水需求和生态系统的可持续发展。因此，提前期
预报具有重要的应用价值和必要性，可提高水资源的科学配置和有效利用，为社会经济发展和人民生
活提供可靠保障。
为了更好地探索预测模型的性能，考虑预测周期对预测精度的影响，本研究将预测周期分为极短
期、短期和长期，其中极短期的时间步长为 １?６、１?３和（１?２）ｄ，短期为 １、２和 ３ｄ，长期为 ７、１４和
２８ｄ。ＶＣＩＡＧ模型东 津 沱 站 不 同 时 间 步 长 的 ＮＳＥ指 标 值 分 别 为 ０．７９，０．８２，０．９３，０．９９，０．９５，
０．９４，０．８２，０．７３，０．６３， 武 胜 站 对 应 的 ＮＳＥ指 标 值 分 别 为 ０．７９，０．９３，０．８２，０．９９，０．９１，０．７６，
０．６９，０．６７，０．６２。上述数据表明，当预测周期为 １ｄ时，ＮＳＥ值最高，即在时间步长为 １ｄ时模型拟
合效果最好。
嘉陵江流域各站点 ＶＣＩＡＧ模型不同周期预测表现如图 ３所示。本研究发现模型在短周期内的预测
精度较高，随着时间周期的增加，预测精度也随之降低。但是，在极短周期内，模型的预测精度与时
间周期相关性未呈明显的相关关系，这表明过短时间周期内的预测精度存在不确定性。因此，结合模
型在不同时期的预测精度结果，以 １ｄ为周期预测径流量效果最佳。
３．４．２ 洪水预测 洪水是破坏性的自然灾害，对农业产出、经济和社会影响深远。建立一个预报模
型来准确预测某一地区的径流量，可为有效调控洪水提供依 据 ［３２］ 。嘉陵 江 流 域位 于 秦 岭山脉以南
的西南季风区，属于暖湿亚热带季风气候。由于季风气候及特殊的地形地貌，嘉陵江流域易发生洪
３
涝灾害。一般来说，当径流量超过 １０００ｍ ?ｓ时，嘉陵江流域一般会出现洪涝事件。本研究以此为
依据筛选出了三个较易发生洪涝的水文站点东津沱站、武胜站、金溪站作为研究对象，三个站点洪
水期的预测效果如 表 ６所 示。由 于 三 个 站 点 的 ＮＳＥ值 十 分 相 近，这 说 明 在 数 据 量 较 少 的 情 况 下，
ＷＯＡ、ＧＷＯ、ＩＳＳＡ算法间差异不 大。但是，通过单 次 分 解 后 的 模 型 将 大 大 提 高 模 型 的 预 测 性 能。
以 ＶＭＤ － ＩＳＳＡ － ＬＳＴＭ作为参考，三个站点在该模型 下的 ＮＳＥ值 比 仅 通过 智 能 优化 算法 的模 型总体
提高约 １０％，有了较大的提升。与此同时，经过智能优化算法与 单次 分解 后的 模型 ＮＳＥ值几乎接
近于 １，而且我们发现 在 单 次 分 解 的 基 础 上 引 入 变 分 模 态 分 解 来 改 进 模 型，使 得 改 进 率 有 了 小 幅
提高。
综上所述，洪水预测表明，预测模型中融合二次分解与 ＡＭ的 ＶＣＩＡＧ有着最好的预测效果，其中
武胜站在不同模型下的洪水预测效果如图 ４所示。

— ２ ４ —
８